教育機器人情感表達的最優特征模型研究

易軍　凌堅韌

關鍵詞：教育機器人 高興和悲傷 情感表達 特征模型 學習效果

中圖分類號：TB47 文獻標識碼：A

文章編號：1003-0069（2022）01-0106-04

引言

隨著人工智能技術不斷向各個領域延伸，教育機器人相關研究也不斷增加。雖然仍集中在歐美國家，中國、日本、韓國等亞洲國家也開始重視教育領域機器人的發展潛力。教育機器人市場發展迅猛，小度、小艾同學、阿爾法等低成本教育機器人也迅速普及。

教育機器人擁有教學功能、娛樂功能和交流功能，交互方式也將隨著技術的發展趨于多樣化。然而，提升學習效果仍是教育機器人的主要目標。由于機器人無法通過技術應用的簡單相加來保證學習收益，豐富的資源庫和多功能語音交互等現代科技的疊加對兒童學習效果的影響是有限的，人們開始嘗試將人類的情感表達能力賦予機器人，期望其能更好地輔助學習。

一、教育機器人的情感表達

（一）教育機器人

廣義而言，教育機器人是面向教育領域專門研發的、以培養學生分析創造能力和實踐能力為目標的機器人，部分教育機器人能夠識別用戶認知水平，感知表情、動作、語音和外界環境等因素實時調整系統，主要包含教學活動類機器人與教育服務類機器人兩大類，其中教育服務機器人面向的用戶群體主要是14歲以下的兒童，是本文的主要研究對象。

（二）機器人的情感表達

情感是人對于客觀事物是否符合人的需要而產生的態度的體驗，它可以通過詞匯、姿勢、音樂、行為等創造性的形式來表達;事實上機器人并不真正具有情感，而是操作者具有的“同理心”使我們能夠將情感依附和擴展到機器人。人的情感表達通過感性認知可以產生模糊的感性綜合表征，設計師可以將這種感性的綜合表征抽象后應用于設計表達，用戶可以通過對情感的認知經驗來辨識機器人所表達的情感，專家們盡力使機器人的情感更加真實，這可以避免機器人對人類同理心的操控與欺騙。影響情感表達效果的因素有情感的種類、機器人的模態和角色、面向的用戶群體、文化背景、使用情境、動態和個性化表達以及空間距離等。胡榮在與英語教學相關的教育機器人研究中，針對教育機器人的喜怒哀樂四種典型情緒設計了語音情感表達和肢體動作，教育機器人的情感表達將是交互設計未來的發展方向之一。

現有的研究中，機器人可以通過屏幕、眼睛、嘴唇、眉毛、肢體、聲音與聲調、肢體和頭部運動等表達一些基本的情緒，主要包括：憤怒、厭惡、恐懼、驚訝、悲傷、高興等。有些學者還研究了機器人情感的創造性表達方式，如舞蹈動作、觸覺等。通過對小度、巴巴騰、阿爾法等11個中國品牌的二十多款教育機器人的調研發現，教育機器人主要借助視覺表情和語音向用戶表達情感，本文將基于這兩種模態進行研究。

（三）機器人的情感表達特征研究方法

機器人關鍵要素和特征的設計會影響人們對機器人情感的認知。評估人們對機器人情感表達的認知程度的量表主要有：機器人面部表情評估量表，同理心量表、心理狀態三維度量表、機器人焦慮量表、積極—消極自我報告量表、測量個體對機器人感知的量表、語義差異量表和李克特量表等。本文將選取七點語義差異量表和聯合分析法研究哪些要素和特征影響人們對機器人情感表達的認知，并探究群體認知差異。

（四）教育機器人情感表達最優特征模型的作用

機器人可以通過不同的要素和特征表達情感，當某個特征發生變化時，相應情感的識別度也會發生變化，特定情感的效用就會被削減。教育機器人情感表達的最優特征模型是指為教育機器人表達某種特定情感而設計的，能夠被目標用戶（兒童）準確識別的一種最優的特征組合。在教育機器人設計某種情感表達方式時可以依據相應的最優特征模型來進行細節設計，更加準確地表達情感和達到預期的目的，如圖1。

二、教育機器人情感表達的最優特征模型研究（研究一）

高興和悲傷是人類最基礎的情感，機器人在表達這兩種情感時均有較強的情緒傳遞能力，教育機器人表達高興和悲傷的情感后可能對兒童的學習效果起到促進或抑制的作用，研究這兩種情感具有重要意義。研究一探索的教育機器人情感表達的最優特征模型是基于臉部表情和聲音兩個模態來進行，研究的基礎情感為高興和悲傷。

（一）臉部表情和語音的要素與特征選取

人類絕大多數情感都能夠通過面部表情來傳達，機器人的面部表情也是傳達情感的重要載體。Alisa等人將機器人的臉劃分為眼睛、嘴巴、鼻子、眉毛等13個臉部要素，調查研究后發現，教育機器人中很少存在鼻子、臉頰/腮紅、頭發、耳朵、眼瞼等過于具體的要素，通過仔細的篩選比較，實驗最終選取了嘴巴、眉毛、眼睛形狀、眼睛大小、瞳孔&虹膜、眼距、眼睛顏色和面部顏色這八個要素及相應的特征開展研究（見表1）。

語言也是人類傳遞情感的一種重要方式，被廣泛用于機器人的情感表達。人類能夠用語言或非語言（不具有語義含義）建立情感交流的紐帶，語言可以較準確地反映情感，但會受到文化背景和情境的制約;非語言也能很好地表達情感，如擬聲詞匯、音樂、自制語言、亂語、語氣詞等。不同的情感在語音強度、響度、語調和語速也存在差異。本實驗通過網絡收集和總結，針對兩種情感分別選取了6種不同特征的語音音效，包括3種無語義含義的語音：提示音（S1/H1;S代表Sad，H代表Happy）、擬聲詞（S2/H2）和音樂（S3/H3），和3種是有具體語義含義的語音：面向結果（S4/H4）和面向過程（S5/H5）的評價，以及語氣詞（S6/H6）。

（二）研究方法

1.正交試驗設計：正交試驗設計是指研究多因素多水平的一種試驗設計方法。可根據試驗的因素數、因素的水平數等需求查找相應的正交表進行試驗，實現以最少的試驗次數達到與大量全面試驗等效的結果。本研究對臉部表情的八個要素及特征進行正交試驗設計（L8（43）），得出18個表情組合（見圖2），表情展示屏幕的大小參考一般教育機器人的尺寸確定。

2.七點語義差異量表：采用“高興的—悲傷的”這對具有兩極性的形容詞對，將其劃分7個等值的評定等級來記錄被試者對該表情的整體評價（表2）。在設計問卷時，每個分數下增加了相應的程度描述，以便能夠更加直觀地理解題目的含義。被試將通過七點語義差異量表對每個臉部表情表達的情感評分。

3.聯合分析法和均值分析：對評分結果進行聯合分析，得出臉部要素的重要性值（表4）和效用值（表5），并確定表達兩種情感的臉部特征最優組合;同時對每個語音評分，通過均值分析得出兩種情感最優的語音表達方式具有的特征。最后得出高興和悲傷情感表達的最優特征組合。

（三）實驗過程與數據統計

被試包含12名兒童（A組）和12名成年人（B組），兒童年齡為9-13歲，均無教育機器人使用經歷。問卷（表2）包含18道臉部表情測試題和12道語音表達測試題，題量適中，被試均能準確理解題目的含義，其中語音均經過處理后在響度上基本保持一致，測試過程中，每個語音播放三遍。實驗在咖啡廳等較為安靜的場所進行。

24份問卷均為有效問卷，統計后得出被試對正交實驗設計的18組表情的評分均值如表3，對12個音效的評分均值如圖3。

（四）實驗結果分析

1.臉部要素的重要性值分析：總體來說臉部各要素重要性值（表4）最高的是嘴巴，其次是眼睛形狀、是否有瞳孔或虹膜，再次是眼睛顏色和是否有眉毛，眼睛大小、眼距和面部顏色的影響較小。

2.臉部特征識別的群體差異和效用值分析（表5）：群體差異：在高興的情感表達識別中具有群體差異，眼睛形狀特征識別的群體差異最明顯，兒童認為圓形的眼睛更能表達高興，而成年人認為橢圓形的眼睛看起來更高興。

效用值分析：由于本研究得出的最優特征模型的目標用戶是兒童，因此，根據A組（兒童組）得出具有最高效用值的表達高興情感的特征為向上的嘴巴、有眉毛、圓形的眼睛、眼睛較大、有虹膜、近眼距、黃色眼睛和黑色面部。具有最高效用值的表達悲傷情感特征為向下的嘴巴、無眉毛、有缺口的眼睛、眼睛小、無虹膜與瞳孔、中眼距、藍色眼睛和白色面部。

3.語音特征分析（均值分析）：語音音效評估問卷的評分均值如圖3。具有音樂特征的語音（S3/H3）被認為最能表達高興和悲傷情感，且沒有明顯群體差異。

（五）最優特征模型

綜合以上結果，表達高興情感的最優特征模型為：高興的臉部表情組合（向上的嘴巴、有眉毛、圓形的眼睛、眼睛較大、有虹膜、近眼距、黃色眼睛和黑色面部）和具有歡快音樂特征的語音。表達悲傷情感的最優特征模型為：悲傷的臉部表情組合（向下的嘴巴、無眉毛、有缺口的眼睛、眼睛較小、無虹膜與瞳孔、中眼距、藍色眼睛和白色面部）和具有悲傷音樂特征的語音。經過再次驗證，兩種情感的最優特征組合具有很強的識別性。

三、教育機器人情感表達對學習效果的影響（實驗二）

（一）研究背景

教育機器人的主要衡量標準是對學習產生的影響，如學習動機、學習效率、學習情緒與專注度、學習成果和學習體驗等。教育機器人高興和悲傷的情感表達被兒童識別接受后，能對學習有促進和抑制作用。由于機器人的情感和真實的情感有差異，對學習效果產生的影響也會有區別。相關的研究中，定量研究比較缺乏，然而兒童認知和語言發展水平有限，行為測量法和績效測量法等定量研究方法具有較高的可信度。

（二）研究假設

實驗二將基于研究一成果，探究教育機器人高興和悲傷的情感表達對學習效果的影響。實驗假設：教育機器人高興的情感表達對學習效果有正面影響，悲傷的情感表達則產生負面影響;這種影響會因性別和任務難度的不同而有差異。

（三）研究方法

本文將通過行為測量（測量用戶的答題時長和注意力轉移次數）、答題錯誤率和來衡量對學習效果的影響，并通過配對樣本T檢驗分析這種影響在不同的性別和任務難度下是否有顯著差異。

設計簡單的教育機器人原型來呈現情感表達方式（圖5），用Visual Studio Code設計符合兒童認知的答題界面，并用電腦呈現，測試題為兩位數乘除法。

（四）實驗設置與被試

設置一個對照組（Ⅰ組：無反饋）和兩個實驗組（Ⅱ組：接受悲傷的情感反饋;Ⅲ組：接受教育機器人高興的情感反饋），每個被試同時接受三組實驗，實驗順序隨機。

實驗被試是來自湖南某一鄉鎮小學五年級的學生（10-11歲），16名被試均沒有教育機器人的使用經驗。實驗共采集了14份有效數據，男女生均為7人，其中4男4女測試了較容易的題目，3男3女測試了較難的題目，如表6。

（五）實驗過程

實驗準備：提前布置錄像設備，實驗場景如圖6、7。實驗前，被試先體驗3-5分鐘的積木拼接游戲來平緩兒童的情緒，同時向被試詳細解釋實驗的目的和操作流程，避免兒童因好奇心而中斷作答流程。

實驗中：在被試答題前，先體驗三次教育機器人相應的情感反饋，每次答題后也會收到一次反饋。被試每完成一組實驗，都會休息3-5分鐘再進行另一組測試。

（五）實驗結果分析

分別統計出總體、男性、女性、任務難度較低和任務難度較高這五組數據。將這五組數據的對照組（Ⅰ組）和兩個實驗組（Ⅱ組，Ⅲ組）分別進行配對樣本T檢驗（表7）;答題時長、錯誤率、注意力轉移次數的均值結果如圖8，將作為輔助參考數據。分析結果如下：

1.總體分析：Ⅰ組（無處理）和Ⅲ組（接受高興情感）總體注意力轉移次數和錯誤率對比后p值〈0.05，機器人高興情感表達對降低錯誤率和集中注意力有顯著的作用;

2.悲傷情感表達效果的性別差異：Ⅰ組（無處理）和Ⅱ組（接受悲傷情感）答題時長p值〈0.05，悲傷的情感使女性的答題時長顯著增加;且圖8中Ⅱ組女性的注意力轉移次數、答題錯誤率和時長均有提高，而男性的各項數值呈降低趨勢，可以看出悲傷的情感對女性的負面影響更加明顯，對男性反而存在正向影響，這可能是因為男孩只要被關注到，就會注意力更加集中。

3.高興情感表達效果的性別差異：Ⅰ組和Ⅲ組男性的注意力轉移次數、答題錯誤率和時長對比后p值〈0.05圖8中Ⅲ組男性的注意力轉移次數、答題錯誤率和時長均有所降低，可以看出高興的情感表達對男性有顯著的正向影響;Ⅲ組女性的變化不大，因此，高興情感對女性影響不大;

4.情感表達與任務難度的關系：高興和悲傷的情感表達效果與題目難易程度沒有明顯關聯。

（六）對學習效果的影響與性別和任務難度的關聯

綜上所述，研究結果與實驗假設有差異。悲傷的情感表達對女性具有消極影響，對男性反而存在正向影響;高興的情感表達對男性的有顯著的積極影響，對女性的影響則不明顯;機器人的情感表達對學習效果的影響與任務難度關系不大。

四、教育機器人最優特征模型的應用

（一）保持設計的統一性

教育機器人高興和悲傷情感的最優特征模型可以作為教育機器人情感表達設計的依據，使用戶有更真實的情感體驗，并更好地輔助完成教學目標。建議設計師在設計相應的情感表達方式時參考最優特征模型，并根據實際需要進行調整，例如：由于面部顏色的重要性值較低，對情感表達的準確性影響較小，為了保證設計的統一性，可以將顏色統一設置為黑色或白色。

（二）不同情感的差異性表達

1. 情感種類的差異性表達：總體來講，高興的情感表達對兒童學習效果的效果更顯著，因此，要盡量多給予高興的情感反饋。但目標用戶的性別不同時，應當采用不同的情感表達模式：針對女性的情感表達模式應當盡量避免使用悲傷情感，而適當提高高興情感的表達頻率;針對男性的情感表達模式中則應當均衡使用這兩種情感，并從一定程度上減少了學習過程中的沉默。

2.設計差異：為了提高高興情感表達的正面影響，可以在音樂中增加有具體語義的語音內容，比如說“你真棒”或者“你真聰明”，還可以增加其他的通道來增強表達，如，使用點頭的動作或與音樂頻率相匹配的燈光效果，增加悲傷情感的感染力時也可以使用相應的方法。如果想要降低悲傷情感的影響，除了降低使用頻率之外，也可以減少悲傷的特征要素，例如，不使用有缺口的眼睛或改變眼睛的顏色，用悲傷的語氣詞代替悲傷的音樂等。

結語

實驗得出教育機器人高興和悲傷情感表達的最優特征模型對設計有一定指導意義，且通過探究服務類教育機器人的情感表達及其影響發現：不同的年齡群體對教育機器人高興和悲傷的情感表達有認知差異，教育機器人臉部不同的要素和特征對其情感表達的重要性值和效用值均有區別，在設計時應當充分考慮兒童的需求，根據具體要求進行取舍。就對學習效果的影響而言，教育機器人高興的情感表達對男性兒童的學習效果提升更顯著，而悲傷的情感表達對女性具有較大的負面影響，對男性則可能具有正面影響，可以在設計時考慮其性別差異。本研究主要是從學生的行為方面探究教育機器人情感表達的影響，如何分析兒童情緒的變化也將作為下一步的研究方向。

3334501908237